Binding site discovery from nucleic acid sequences by discriminative learning of hidden Markov models.
Binding site discovery from nucleic acid sequences by discriminative learning of hidden Markov models.
复制标题
DOI：
10.1093/nar/gku1083
复制
发表时间：
2014-12-01
影响因子：
14.9
通讯作者：
Rajewsky N
中科院分区：
文献类型：
--
作者：
Maaskola J;Rajewsky N
提出了一种基于隐马尔可夫模型的区分学习方法，用于核酸序列中结合位点的模式发现。挖掘正例序列和反例序列的集合，以寻找其出现频率在集合之间变化的序列基序。该方法提供了几个目标函数，但我们主要关注条件和基元发生的互信息。我们对我们的方法和许多已发表的基序发现工具进行了系统的比较。我们的方法获得了最高的基序发现性能，同时比大多数已发表的方法都要快。我们提供了来自不同技术的数据的案例研究，包括ChIP-Seq、RIP-Chip和PAR-CLIP，胚胎干细胞转录因子和RNA结合蛋白的数据，展示了该方法的实用性和实用性。对于替代剪接因子RBM10，我们的分析发现已知的基序与剪接相关。在自由软件Discrover中实现了模体发现方法。它适用于基因组和转录组规模的数据，利用了可用的重复实验，除了二元对比，还可以利用更复杂的数据配置。
We present a discriminative learning method for pattern discovery of binding sites in nucleic acid sequences based on hidden Markov models. Sets of positive and negative example sequences are mined for sequence motifs whose occurrence frequency varies between the sets. The method offers several objective functions, but we concentrate on mutual information of condition and motif occurrence. We perform a systematic comparison of our method and numerous published motif-finding tools. Our method achieves the highest motif discovery performance, while being faster than most published methods. We present case studies of data from various technologies, including ChIP-Seq, RIP-Chip and PAR-CLIP, of embryonic stem cell transcription factors and of RNA-binding proteins, demonstrating practicality and utility of the method. For the alternative splicing factor RBM10, our analysis finds motifs known to be splicing-relevant. The motif discovery method is implemented in the free software package Discrover. It is applicable to genome- and transcriptome-scale data, makes use of available repeat experiments and aside from binary contrasts also more complex data configurations can be utilized.
登录
查看更多内容
通过量化与mRNA和LNCRNA的背景结合来推进PAR-CLIP的功能效用。
影响因子：
12.3
作者：
Friedersdorf MB;Keene JD
通讯作者：
Keene JD
影响因子：
14.9
作者：
Anders G;Mackowiak SD;Jens M;Maaskola J;Kuntzagk A;Rajewsky N;Landthaler M;Dieterich C
通讯作者：
Dieterich C
影响因子：
7
作者：
Bieda, M;Xu, XQ;Farnham, PJ
通讯作者：
Farnham, PJ
影响因子：
46.9
作者：
Berger, Michael F.;Philippakis, Anthony A.;Bulyk, Martha L.
通讯作者：
Bulyk, Martha L.
影响因子：
10.5
作者：
Cole, Megan F.;Johnstone, Sarah E.;Young, Richard A.
通讯作者：
Young, Richard A.